Positionsberechnung

Mittels Machine Learning bzw. Deep Learning forscht und entwickelt das Fraunhofer IIS in verschiedenen Kompetenzfeldern. Zum einen wird eine Bewegungs- oder Posenklassifikation durch klassische Machine-Learning-Vorgehensweisen vorgenommen: Der Algorithmus kann einordnen, welche Bewegungen stattfinden werden. Je nach Anwendung wird dabei zwischen Objekten, Menschen oder Tieren unterschieden. Durch ebendiese Bewegungsklassifikation wiederum können Fehler bei der Ermittelung eines Wahrheitswerts vermieden werden, indem fehlerhafte Messdaten durch eine große Abweichung vom erwarteten Ergebnis erkannt werden.

Der Wahrheitswert wird auch verwendet, um verwendete statistische Filter (Bayes-Filter) durch einen größeren Wertepool zu stabilisieren. Die statistische Vorgehensweise wird so zuverlässiger und genauer.

Doch auch Bewegungen über die Zeit gehören in das Portfolio des Fraunhofer IIS - Rekursive Neuronale Netze (RNN) erlauben dabei Rückschlüsse auf bestimmte Verhaltensabläufe über eine definierte Zeitspanne.

Die vorhandene Infrastruktur, also RFID, Bluetooth oder WIFI, wird außerdem über das Fingerprinting-Verfahren genutzt. Dabei werden im betrachteten Areal Messungen durchgeführt, gespeichert und mit aktuell gemessenen Daten verglichen. So kann erschlossen werden, auf welcher Stelle sich der Tag befindet.

Die Schätzung des absoluten Wahrheitswertes wird durch das Verwenden von statistischen Filtern, die die Wahrscheinlichkeit des nächsten "Schrittes" mit einbeziehen, noch genauer. Genutzt werden vor allem Bayes-Filter, wie der Kalman- oder Partikelfilter. Auch werden so die ermittelten Positionen geglättet, sprich auf eine Linie gebracht, denn die Messungen weichen häufig leicht von der wahrscheinlichen Bewegungsrichtung ab. Andersherum können die Filter stabilisiert werden, indem die Evaluation während der Nutzung laufend wiederholt wird und der Datenpool für den statistisch ermittelten Wert weiter wächst.

Eine andere Art der Bewegungsmessung ist das Pedestrian Dead Reckoning. Bei dieser iterativen Methode werden nach jedem Schritt die Länge und Richtung ermittelt. Die Länge kann durch Entfernung vom Ausgangspunkt und die Richtung durch den Winkel bestimmt werden. So kann bei Menschen, bzw. bei dieser Methode besonders bei Fußgängern, die Schrittlänge und Orientierung bestimmt werden.

Oftmals macht es Sinn, verschiedene Positionierungslösungen zu kombinieren: Beispielsweise ist Funk zwar ungenauer, doch kann dies Lücken füllen, wenn ein optisches System wegen Verdeckung der Kamera versagt. Und zwar ist die optische Lokalisierung günstiger, per Funk können Objekte oder Personen jedoch unterschieden, also identifiziert, werden.

Solche komplementäre Effekte macht sich das Fraunhofer IIS, mit Hilfe seiner Kompetenzen bei verschiedenen Lokalisierungsmethoden, zunutze.